Previsão de cargas multinodais realizada através da análise da previsão de cargas elétricas agregadas via rede neural ARTMAP Fuzzy
Na contemporaneidade, a previsão de cargas é de suma importância para a otimização da geração e distribuição de energia elétrica, uma vez que a previsão garante maior confiabilidade e economia para esse processo, definindo quando e quanto de geração, transmissão e capacidade de distribuição devem se...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Institución: | Universidade Estadual Paulista (UNESP) |
| Repositorio: | Repositório Institucional da UNESP |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.unesp.br:11449/194185 |
| Acceso en línea: | http://hdl.handle.net/11449/194185 |
| Access Level: | acceso abierto |
| Palabra clave: | Redes neurais artificiais Fator de participação de carga global Previsão de cargas multimodal ARTMAP Fuzzy Artificial neural networks Global load participation factor Multinodal load forecast |
| Sumario: | Na contemporaneidade, a previsão de cargas é de suma importância para a otimização da geração e distribuição de energia elétrica, uma vez que a previsão garante maior confiabilidade e economia para esse processo, definindo quando e quanto de geração, transmissão e capacidade de distribuição devem ser dispostas para atender à carga esperada sem que haja interrupções em seu fornecimento. O presente trabalho tem por objetivo analisar diversas agregações de cargas elétricas em subestações de sistemas de distribuição de energia elétrica, visando à melhoria na previsão de cargas multinodais, (em vários pontos de interesse da rede elétrica) também conhecida como carga por barramento, a qual considera os diferentes tipos de consumidores (industriais, comerciais e residenciais). Para realizar a previsão multinodal, foi utilizada a rede neural ARTMAP Fuzzy, que é baseada na Teoria da Ressonância Adaptativa (ART), e que possui características essenciais para o funcionamento e a obtenção de resultados de uma rede neural artificial. Essas características são baseadas no Dilema da Estabilidade e Plasticidade, o qual é capaz de aprender novos conhecimentos (estabilidade), sem perder as informações previamente adquiridas (plasticidade), auxiliando assim em soluções rápidas e precisas. A metodologia foi desenvolvida em quatro partes, sendo elas: (i) realizar a previsão das cargas globais; (ii) prever os fatores de participação de cada subestação e em seguida realizar a previsão das cargas locais; (iii) estudar e identificar as possíveis agregações das cargas multinodais (subestações) realizadas, visando à melhoria da previsão de carga multinodal e carga global e (iv) por meio das agregações das subestações efetuadas, realizar a previsão de carga multinodal referente ao bloco de subestações agregadas, visando prever as cargas das subestações individuais. A metodologia foi desenvolvida no software MATLAB e foram utilizados dados referentes a um subsistema de distribuição de energia elétrica da Nova Zelândia, composto por nove Subestações, para prever cargas de 24 horas à frente. Como forma de avaliar os resultados obtidos pela previsão, foi utilizado o erro percentual médio absoluto - MAPE (Mean Absolute Percentage Error). |
|---|